基于双系统的网络RTK参数的解算方法

技术领域

本申请涉及卫星导航技术领域，尤其涉及一种基于双系统的网络RTK参数的解算方法。

背景技术

在差分定位中，虚拟参考站技术(Virtual Reference Staion，VRS)凭借其良好的兼容性成为了网络载波相位差分技术(Real-time kinematic，RTK)最重要的实现方式，其服务端的关键算法在于正确解算GNSS高精度差分定位参数，例如固定整周模糊度与解算大气延迟等。

常规RTK技术需要工作人员架设参考基站，不便于准确获取参考站坐标，且存在空间距离误差难以消除，随距离增大，定位精度会显著下降。而网络RTK技术有效克服了上述实时定位算法的缺点，具有收敛快、精度高、无需架设基站，从而提高作业效率，减少作业成本，目前在该技术已在生产生活中得到广泛的应用。

VRS作为网络RTK中普及度最高、应用范围最广、最为人熟知的技术，多采用“宽巷-消电离层组合-窄巷”估算策略，且估计双差形式参数，但存在两方面问题。一方面，电离层延迟作为VRS算法中重要的参数，在模糊度计算过程中被消除后又通过几何无关反算得出，无法顾及电离层延迟二阶项所带来的影响，同时也引入了双差观测噪声，一定程度上破环了电离层短时变化平缓的物理特性；另一方面，直接估计双差参数，不便于实时滤波处理和灵活选取参考星。

发明内容

本申请的主要目的在于提供一种基于双系统的网络RTK参数的解算方法，可以解决现有技术中直接估计双差参数时存在噪声、参数估计不准确，且不便于灵活参数处理的技术问题。

为实现上述目的，本申请第一方面提供一种基于双系统的网络RTK参数的解算方法，该方法包括：

S1：获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟；

S2：利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

为实现上述目的，本申请第二方面提供一种基于双系统的网络RTK参数的解算装置，该装置包括：

数据获取模块，用于获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟；

参数解算模块，用于利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

为实现上述目的，本申请第三方面提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟；

利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

为实现上述目的，本申请第四方面提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟；

利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

采用本申请实施例，具有如下有益效果：

本申请公开了一种基于双系统估计单差模糊度、单差电离层延迟及非差对流层延迟的基准站间模糊度解算策略，实现了GNSS高精度差分定位参数解算，直接获取空间误差建模/内插所需的基准站间大气改正数，可有效减小由模糊度固定后反算大气延迟所引入的双差观测噪声，更有利于各参数实时滤波处理，有助于灵活选取参考卫星。将本申请得到的目标参数应用于双系统VRS定位，使得双系统VRS定位精度相较于单系统VRS定位和常规RTK定位更高，定位结果更加稳定，具有较好的可行性及有效性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本申请一实施例中基于双系统的网络RTK参数的解算方法的流程图；

图2为本申请一具体实施例中不同策略定位效果图；

图3为本申请实施例中计算机设备的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

随着通讯技术、云服务器及多频多模GNSS卫星导航等技术的快速发展，奠定了基于大规模GNSS数据为用户提供高精度定位服务的基础。在电力行业中，新能源自动驾驶、无人机及机器人自主巡检、电力作业人员安全管控等多种应用场景和设备的使用，将实时高精度位置服务推向大众化，快速、精准、稳定的定位结果是实现上述应用的重要环节。

本申请顾及现有技术中估计双差形式参数时，电离层延迟作为VRS算法中重要的参数，在模糊度计算过程中被消除后又通过几何无关反算得出，无法顾及电离层延迟二阶项所带来的影响，同时也引入了双差观测噪声，一定程度上破环了电离层短时变化平缓的物理特性；另一方面，直接估计双差参数，不便于实时滤波处理和灵活选取参考星的不足，并顺应多系统GNSS数据处理的发展趋势，公开了一种基于双系统的网络RTK参数的解算方法。

如图1所示，在一个实施例中，提供了一种基于双系统的网络RTK参数的解算方法。该方法既可以应用于终端，也可以应用于服务器，本实施例以应用于终端举例说明。该基于双系统的网络RTK参数的解算方法具体包括如下步骤：

S1：获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟。

具体地，一条基线两端包括两个基准站，两个基准站所共视的卫星包括多个，从所共视的卫星中选取两个不同的卫星系统类型的卫星作为两个基准站的观测卫星。卫星系统类型包括GPS系统、GLONASS系统、Beidou系统，GALILEO系统等，具体可参照RINEX 4.0标准。

观测向量包括两个基准站观测不同的卫星系统类型的共视卫星时获取到的载波相位观测值、伪距观测值、几何距离等数据。其中，观测向量中的观测值等数据可以根据实际需要选择参考卫星后对应获取。

在一个具体实施例中，两个不同的卫星系统类型可以选择GPS系统和GALILEO系统，当然也可以选择其他系统类型，本申请对两个不同的卫星系统类型不做限定。

S2：利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

具体地，卡尔曼滤波模型是利用基于卡尔曼滤波算法构建的，可以根据前一历元得到的数据估计下一个历元的数据，实现目标参数的参数估计值的实时滤波更新。目标参数的参数估计值包括站间单差模糊度的估计值、站间单差电离层延迟的估计值和非差对流层湿延迟的估计值。在利用卡尔曼滤波时可以通过预测和修正更新对各个目标参数进行实时滤波。选择卡尔曼滤波作为滤波算法，可以减少系统中噪声和干扰的影响。

本实施例公开了一种基于双系统估计单差模糊度、单差电离层延迟及非差对流层延迟的基准站间模糊度解算策略，直接获取空间误差建模/内插所需的基准站间大气改正数，可有效减小双差估计策略中由模糊度固定后反算大气延迟所引入的双差观测噪声，更有利于各参数实时滤波处理，有助于灵活选取参考卫星。将本申请得到的目标参数应用于双系统VRS定位，使得双系统VRS定位精度相较于单系统VRS定位和常规RTK定位更高，定位结果更加稳定，具有较好的可行性及有效性。

在一个实施例中，卡尔曼滤波模型的数学模型如公式(1)所示：

其中，i表示当前历元，i-1表示前一历元，Z

具体地，考虑到参考站坐标可由长时段PPP得出，故在固定基准站间整周模糊度时不再估计测站坐标参数；天线位置长时间保持稳定，且基准站的数据采样率较高，根据大气短时不发生大变化的物理特性，状态转移矩阵Φ

i的取值大于或等于2；i＝2时，当前历元为第二历元，前一历元为第一历元，且前一历元；i＝3时，当前历元为第三历元，前一历元为第二历元。

在一个实施例中，步骤S2中当前历元目标参数的参数预测值具体是通过公式(2)预测得到的，当前历元目标参数的参数估计值具体是通过公式(3)进行修正更新得到的，

其中，

具体地，公式(1)的卡尔曼滤波模型的数学模型是根据公式(2)和公式(3)来解算的。公式(2)为目标参数的预测公式，公式(3)为目标参数的修正更新公式。

在一个实施例中，当前历元的观测向量Z

其中，sys1和sys2为两种不同的卫星系统类型，

更具体地，

其中，sys的取值包括sys1和sys2，

为基准站A、B在当前历元观测sys类型的卫星对12得到的在频率j上的双差伪距计算值，/>

为在当前历元以周为单位、基准站A、B观测sys类型的卫星对12在频率j上的双差载波相位观测值，/>

为在当前历元基准站A、B观测sys类型的卫星对12在频率j上的原始双差伪距观测值，/>

为在当前历元基准站A、B到sys类型的卫星对12视线方向的几何距离，/>

为在当前历元基准站A、B观测sys类型的卫星对12得到的双差对流层干延迟，/>

在现有技术中，以周为单位的双差载波相位观测方程和伪距观测方程分别如公式(13)和公式(14)所示：

其中，

通过公式(13)和公式(14)可以估计双差形式的参数，与本申请估计单差形式的参数和非差形式的参数不同。

在一个实施例中，当前历元目标参数对应的待估参数向量X

其中，

为在当前历元基准站A、B共视sys1类型的卫星1在频率j上的站间单差模糊度，/>

为在当前历元基准站A、B共视sys2类型的卫星1在频率j上的站间单差模糊度，/>

为在当前历元基准站A、B共视sys1类型的卫星1在频率j上的站间单差电离层延迟，/>

为在当前历元基准站A、B共视sys2类型的卫星1在频率j上的站间单差电离层延迟，/>

T

T

其中，m1为基准站A、B所共视的sys1类型的卫星的个数，m2为基准站A、B所共视的sys2类型的卫星的个数。

具体地，

在一个实施例中，当前历元的设计矩阵如公式(6)所示：

其中，sys1和sys2为两个不同的卫星系统类型，

在一个实施例中，MF

其中，sys的取值包括sys1和sys2，

为在当前历元基准站A与sys类型的卫星1视线方向上的对流层湿延迟投影函数，/>

其中，m为基准站A和B所共视的sys类型的卫星的个数，卫星1、卫星2、卫星3...卫星m均为sys类型的卫星，卫星1为参考卫星。

具体地，本实施例的投影函数可以选择NMF投影函数等其他投影函数，本申请对此不作限定。

在一个实施例中，当前历元的观测噪声的方差协方差矩阵R

其中，D

通过公式(9)计算得到：

其中，sys的取值包括sys1和sys2，

表示sys类型的卫星1在当前历元频率j上的伪距观测精度，/>

假设以各sys的第一颗卫星作为参考星，在一个具体实施例中，D

/>

在一个实施例中，

其中，σ(θ)为载波相位观测值或伪距观测值所对应的非差原始观测值标准差，θ为卫星高度角，σ

具体地，公式(9)中的

此时θ为sys类型的卫星m的卫星高度角，σ

在一个具体实施例中，如果sys1＝GPS，sys2＝GALILEO，则本申请确定两种卫星系统类型所对应的观测值具有相同的测量精度，由于同一GNSS系统伪距和载波相位观测值标准差之比为1:100，因此，对于GPS系统和GALILEO系统来说，伪距观测值所对应的非差观测值先验标准差σ

本申请顾及现有技术的不足并顺应多系统GNSS数据处理的发展趋势，公开了一种基于双系统(例如GPS卫星系统和GALILEI卫星系统)的VRS算法大气延迟提取方法的研究，选取单差形式的模糊度、电离层延迟及非差形式对流层延迟的参数估计策略，直接获取空间误差建模/内插所需的基准站间大气改正数，可有效减小由模糊度固定后反算大气延迟所引入的双差观测噪声，更有利于实时滤波处理。

在一个实施例中，若i的取值为2，则i-1为第一历元，第一历元目标参数的参数估计值是通过公式(11)初始化赋值得到的，其中，

其中，sys的取值为sys1或sys2，s为sys类型卫星中任意一个卫星的标识，

单差电离层延迟的初始值及非差对流层湿延迟的初始值如公式(12)所示：

其中，

具体地，由于使用了双差形式的观测值，且选取了估计站间模糊度、站间单差电离层及站间对流层延迟的参数估计策略，设计矩阵A

在一个实施例中，若i的取值为2，则i-1为第一历元，则目标参数的方差协方差矩阵的初始值如公式(15)所示：

为了使各目标参数可估，对卡尔曼滤波初始值采用了赋经验性初值的方法，参数的初始方差设置如公式(15)所示。

在一个实施例中，过程噪声设置如公式(16)所示：

将公式(15)和公式(16)中的表达式配置到公式(2)和公式公式(3)中，即可实时估计得出服务端数据处理所需要的目标参数。

本申请公开了一种基于双系统估计单差模糊度、单差电离层延迟及非差对流层延迟的基准站间模糊度解算策略，该方法可便于各参数的实时滤波，有助于灵活选取参考卫星，一定程度上减小了VRS计算得出的大气延迟受双差观测噪声的影响。本申请的双系统VRS定位方法定位精度相较于单系统和常规RTK更高，定位结果更加稳定，具有较好的可行性及有效性。

本申请提出一种基于双卫星系统的网络RTK的参数解算方法，其关键在于正确固定基准站间整周模糊度并精确估计得出站间电离层、对流层延迟。给出了双差RTK观测模型，为便于滤波处理和选择参考卫星，采用同步估计单差电离层延迟、单差模糊度以及非差对流层延迟的参数估计策略，最终在服务端形成虚拟观测值播发给用户。

基于获取的目标参数的估计值，本申请还提供了一种基于双系统的VRS定位方法，其特征在于，该定位方法包括：利用上述任一项的基于双系统的网络RTK参数解算方法得到的当前历元目标参数的参数估计值进行实时定位。

根据对用户站RTK定位结果中平面误差点位分布和天顶方向误差时间序列、用户站VRS定位结果中平面误差点位分布和天顶方向误差时间序列的结果分析，从定位模式维度看，VRS的平面点位误差分布范围明显小于常规RTK方法，且天顶U方向的误差变化更为平缓；从系统选择层面看，不管是VRS还是常规RTK，采用双系统的策略，平面和天顶方向的误差都有较为明显的减小。以上结果表明：采用双/多系统的观测数据VRS算法较常规RTK算法对定位精度的提升有较为明显的增益作用。

图2为本申请一具体实施例中不同策略定位效果图，表1为图2中不同策略定位结果统计。其中，图2以GPS卫星系统(简称G)和GALILEO卫星系统(简称E)作为双系统。

表1

结合图2和表1，采用本申请的双系统VRS定位方法定位精度更高，较单系统VRS定位在E、N、U方向上精度分别提升了43.7％、34.3％、19.2％；较双系统RTK定位在E、N、U方向上精度分别提升了63.8％、15.9％、26.1％；较单系统RTK定位在E、N、U方向上精度分别提升了79.6％、74.3％、66.3％。其中，E、N、U分别是站心坐标系中的东、北、天方向。

上述图、表及结果说明，在中、大尺度测区范围内，VRS定位(网络RTK定位)较常规RTK定位具有精度上的提升，更有利于精密应用的实施，本申请提出的基于双系统的VRS算法能够快速实现用户厘米级定位。

图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图3所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法实施例中的各个步骤。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法实施例中的各个步骤。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

S1：获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟；

S2：利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

S1：获取当前历元的观测数据和前一历元获取的目标参数的参数估计值，其中，观测数据包括：观测噪声、观测噪声的方差协方差矩阵、过程噪声、过程噪声的方差协方差矩阵和同一条基线两端的基准站与两个不同的卫星系统类型的卫星之间的观测向量，目标参数包括站间单差模糊度、站间单差电离层延迟和非差对流层湿延迟；

S2：利用卡尔曼滤波模型，根据当前历元的观测数据和前一历元目标参数的参数估计值，通过逐历元实时滤波更新策略获取在当前历元目标参数的参数预测值，对参数预测值进行修正更新，得到当前历元目标参数的参数估计值。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。